रात के ग्यारह बजकर चालीस मिनट पर कोलकाता के एक डेटा डेस्क में एक JSON फाइल खुली। उसके अंदर शीर्षक था N/A, स्रोत था N/A, लेखक का रुख था N/A, लेख का उद्देश्य था N/A, और सूचना-बिंदुओं की सूची पूरी तरह खाली थी। इन सबके नीचे एक पंक्ति अब भी ज़िंदा थी: cricket_asia। आठ विश्लेषण-आयाम उस फाइल का इंतज़ार कर रहे थे — फॉर्मेट, खिलाड़ी की तकनीक, टीम का बलाबल, लीग का कारोबार, गवर्नेंस, जोखिम, नैरेटिव, और उद्योग-ट्रांसमिशन। आठों को एक ही जवाब मिला: अपर्याप्त सूचना।

उस वक्त डेस्क पर बैठे किसी भी आदमी के पास एक बहुत आसान रास्ता था। एक क्षेत्रीय लेबल, दो दशक की मीडिया यादें, और क्रिकेट की छह परिचित कहानियाँ — युवा सितारे का राज्याभिषेक, बुज़ुर्ग का विदाई-मैच, भारत-पाकिस्तान का तनाव, आईसीसी की आमदनी की लड़ाई, फ्रैंचाइज़ी लीग का पैसा, और चयनकर्ताओं की गलती। इनमें से कोई भी एक कहानी चुनकर आठ सौ शब्द लिखे जा सकते थे, और वह लेख पढ़ने में इतना साफ़ लगता कि किसी को शक भी न होता। जिस नंबर को कोई दोबारा नहीं बना सकता, वह दशमलव लगाई हुई राय भर है — यह मेरी पुरानी डेस्क-लाइन है। लेकिन उस रात समस्या उससे भी एक कदम पीछे थी। नंबर तो था ही नहीं। सिर्फ़ खाली फील्ड थी, और खाली फील्ड भरने की जल्दी थी।

पाइपलाइन क्या है, और फॉर्मेट गेट सबसे पहले क्यों

बीस वर्षों से मैं क्रिकेट को दो हिस्सों में देखता आया हूँ। पहला हिस्सा वह है जहाँ से तथ्य निकलते हैं — स्कोरकार्ड, बॉल-बाय-बॉल फ़ीड, कमेंट्री, स्थल की रिपोर्ट, चयन की घोषणा, अनुबंध की खबर। दूसरा हिस्सा वह है जहाँ उन तथ्यों से अर्थ निकलता है। पहले हिस्से को हम 'डीकंस्ट्रक्शन' कहते हैं, दूसरे को 'एनालिसिस'। 2026 में जब मैं उन्नीस साल की उम्र में हैदराबाद से ऑल इंडिया रेडियो के लिए कमेंट्री कर रहा था, तब पहला हिस्सा एक पॉकेट-नोटबुक था। जो दिखा, जो सुना, जो स्कोरबुक में लिखा — बस वही आगे जाता था। आज वही नोटबुक एक JSON है, और उसकी पहली शर्त यह है कि उसमें डाला गया माल असली हो। जिस दिन माल असली नहीं होता, उस दिन बाकी पूरी मशीन एक बहुत महँगी कल्पना-मशीन बन जाती है।

इस पाइपलाइन में एक गेट ऐसा है जो सबसे पहले बंद होता है — फॉर्मेट। टेस्ट, वनडे, टी20, द हंड्रेड। यह कोई श्रेणी-भरने वाला खाना नहीं है। एक स्ट्राइक रेट 145 वनडे के मध्य ओवरों में शानदार है, टी20 के डेथ ओवरों में साधारण है, और टेस्ट के मेट्रिक के रूप में निरर्थक है। एक इकॉनमी 7.2 टी20 में बहुत अच्छी मानी जाती है और टेस्ट में उसका कोई दर्जा ही नहीं। औसत की बात करें तो टेस्ट का 38 और टी20 का 38 दो अलग-अलग खिलाड़ी हैं, भले नाम एक ही हो। जब तक फॉर्मेट तय नहीं, हर मेट्रिक अपनी जगह खो देता है — और उसके साथ उसका बेंचमार्क भी।

यही वह जगह है जहाँ मुझे अपनी सबसे पुरानी गलती याद आती है। सटीकता (precision) और यथार्थता (accuracy) दो अलग चीज़ें हैं, और मॉडल तीन दशमलव इसलिए छापता है क्योंकि कोड वैसे लिखा गया था, इसलिए नहीं कि डेटा उतना हक़ रखता है। रिपोर्टिंग में मैंने यह नियम अपने ऊपर लगाया: बिंदु-अनुमान के साथ बैंड लिखो, और नंबर उतने ही अंकों में लिखो जितने डेटा में दम है — आम तौर पर एक। जब फॉर्मेट ही न हो, तो एक अंक भी बेईमानी है।

फॉर्मेट के बाद दूसरा गेट है मैच की प्रकृति। द्विपक्षीय सीरीज़, आईसीसी आयोजन, फ्रैंचाइज़ी लीग, या वार्म-अप — इन चारों के कारोबारी और गवर्नेंस नियम अलग-अलग हैं। रिलीज़ विंडो, NOC का दबाव, ब्रॉडकास्ट का मूल्य, और दर्शक की अपेक्षा — सब बदल जाते हैं। जिस फाइल में यह भी दर्ज न हो कि मैच किस तरह का है, वहाँ आठ आयामों में से एक भी भरोसे से नहीं भरा जा सकता।

जो लेबल बचा, वह डोमेन नहीं था

उस खाली फाइल की सबसे दिलचस्प चीज़ cricket_asia था। यह क्रिकेट नहीं है; यह क्रिकेट का एक क्षेत्रीय उप-लेबल है। इसका मतलब यह हो सकता है कि विषय एशियाई क्रिकेट परिषद का कोई आयोजन है, कोई दक्षिण-एशियाई द्विपक्षीय सीरीज़ है, या एशिया की कोई फ्रैंचाइज़ी लीग है। ध्यान रखें, SA20 एशियाई नहीं है, इसलिए वह इस लेबल से बाहर है; आईपीएल, पीएसएल, बीपीएल, एलपीएल, आईएलटी20 अंदर हैं। लेकिन यह वर्गीकरण भी अनुमान है, तथ्य नहीं।

लेबल-टैक्सोनॉमी की सबसे बड़ी खतरनाक बात यह है कि वह विश्लेषण को ग़लत रास्ते पर भेज देती है, और पाठक को पता भी नहीं चलता। 'Cricket' विहित डोमेन है; क्षेत्रीय दायरा उससे अलग फील्ड में रखा जाना चाहिए। जब दोनों एक ही खाने में ठूँस दिए जाते हैं, तो सिस्टम खाली पेलोड के साथ भी एक 'स्कोप' बचा लेता है, और वह स्कोप ही आगे की हर कहानी का बहाना बन जाता है। मेरे अनुभव में पाइपलाइन की सबसे बेशर्म विफलता वह नहीं होती जो खाली लौटती है; वह होती है जो एक लेबल बचा कर लौटती है।

आत्म-निर्भर विफलता: जब सिस्टम ने खुद से सवाल पूछा

उस फाइल में एक तकनीकी बारीकी थी जो पहली नज़र में ब्यूरोक्रेसी लगती है, पर असल में पूरी मशीन की नब्ज़ है। एंटिटी-एक्सट्रैक्शन का निर्देश कहता था: "ऊपर दिए गए सूचना-बिंदुओं से पहचानें" — और ऊपर सूचना-बिंदुओं की सूची खाली थी। यानी सिस्टम ने अपने ही खाली हाथ से चीज़ें मांगीं। यह वैसा ही है जैसे फील्डर गेंद उस स्टंप पर फेंके जहाँ कोई खड़ा ही न हो, और स्कोरबुक में 'रन आउट' लिख दिया जाए।

मेरे लिए यह सबसे उपयोगी सबक है। सिस्टम को विफल होना चाहिए — पर ज़ोर से। जो सिस्टम चुपचाप एक निर्देश छापकर आगे बढ़ जाता है, वह विश्लेषक को यह भ्रम देता है कि काम हो गया। हमारी डेस्क पर एक नियम इसी वजह से बना: अगर किसी फील्ड में मान आना चाहिए और नहीं आया, तो शेष मान निकालने से पहले एक अलर्ट उठेगा। अलर्ट न उठे तो विश्लेषक उसे अपनी विवेक से भर देता है, और विवेक को मालूम नहीं होता कि वह कहानी गढ़ रहा है।

उस फाइल में N/A का पैटर्न भी बोलता है। शीर्षक, स्रोत, लेखक का रुख — ये ऐसे फील्ड हैं जिन्हें कोई ठीक-ठाक चलने वाला एक्सट्रैक्टर संयोग में भी भर देता है। इन तीनों का खाली होना और साथ में cricket_asia का बचा रहना, दोनों मिलकर बताते हैं कि विफलता विश्लेषण की नहीं, इनजेशन की थी — फेच में गड़बड़, पेपरवॉल, गैर-पाठ्य पेलोड (तस्वीर या वीडियो), या अनसपोर्टेड भाषा। यह अनुमान है, तथ्य नहीं; आत्मविश्वास मध्यम स्तर का रखना उचित है, क्योंकि कभी-कभी स्रोत लेख सचमुच क्रिकेट-विहीन भी होता है।

फैंटम कंटेंट: डेस्क का सबसे बड़ा जोखिम क्रिकेट नहीं, भरने की आदत है

उस रात का सबसे बड़ा जोखिम यह नहीं था कि कोई गलत नंबर छप जाएगा। जोखिम यह था कि एक बहुत प्रवाहमयी, बहुत विश्वसनीय दिखने वाली क्रिकेट कहानी छप जाएगी जिसका कोई सबूत नहीं होगा। मैं इसे 'फैंटम कंटेंट' कहता हूँ, और यह उसी दिन पैदा होता है जिस दिन डेस्क पर समय कम और साँचा तैयार हो।

इस जाल से मेरा सामना 2026 में हुआ, जब कोलकाता की एक डिजिटल स्पोर्ट्स स्टार्टअप में मैंने आईपीएल के लिए बॉल-बाय-बॉल प्रेशर इंडेक्स बनाया। उस सीज़न कोलकाता नाइट राइडर्स का पावरप्ले रन रेट 9.1 दिख रहा था, और टीवी की हेडलाइन वही 9.1 थी। मॉडल ने कुछ और कहा: उस दौर के 41 प्रतिशत चौके-छक्के किनारे या मिस-टाइम शॉट से आए थे, और सुनील नारायण की शुरुआती तेज़ी के पीछे फ़ेज़-एडजस्टेड दर सिर्फ़ 7.3 थी। एडिटर ने प्रीव्यू तुरंत मांगा। मैंने तीन रातें मॉडल में डालीं और प्रीव्यू नहीं लिखा। प्लेऑफ़ में मुंबई इंडियंस के खिलाफ़ केकेआर के मध्य ओवरों में वही ठहराव आया जिसकी ओर मॉडल इशारा कर रहा था, और एडिटर ने उसे साइडबार में छापा।

मैं किसी मेट्रिक पर तब भरोसा करता हूँ जब वह एक बार मुझे शर्मिंदा कर चुका हो। उस सीज़न में मॉडल ने मुझे शर्मिंदा किया — क्योंकि उसने वह दिखाया जो आँख से देखना सुविधाजनक नहीं था। और उसी सीज़न से मैंने अपनी लिखाई का क्रम बदल दिया: पहले फ़ेज़-एडजस्टेड दर, फिर कच्चा स्कोर; पहले सैंपल साइज़ और अनिश्चितता, फिर नतीजा। यह अनुशासन ही आगे के एक्सपेक्टेड-रन्स काम की नींव बना, और इसने मुझे यह सिखाया कि कमेंट्री की कहानियाँ परिकल्पना हैं, तथ्य नहीं।

खाली पेलोड के मामले में यही अनुशासन उलटी तरफ़ काम करता है। जब सूचना-बिंदु शून्य हों, तो मॉडल का सबसे ईमानदार आउटपुट शून्य ही है। उस आउटपुट की उपयोगिता क्रिकेट में नहीं, प्रक्रिया में है — वह बताता है कि कहाँ से डेटा नहीं आया।

उधार के मेट्रिक का लहजा, और क्रिकेट की डिस्क्रीट हकीकत

2026 के रूस विश्व कप के दौरान मैंने एक साइड प्रोजेक्ट में xG और PPDA का डैशबोर्ड बनाया। स्पेन ने रूस के खिलाफ़ 1,029 पास किए, 74 प्रतिशत कब्ज़ा रखा, और मॉडल ने लगभग 0.8 xG निकाला। दो भारतीय आउटलेट्स ने उस एक्सप्लेनर को सिंडिकेट किया। असली सबक वह नहीं था जो हेडलाइन में गया। असली सबक यह था कि कब्ज़ा बिना भेद के शोर है, और मैंने उसके बाद कब्ज़ा या टेरिटरी को कभी अंतर्दृष्टि की तरह नहीं छापा। उस प्रोजेक्ट में मैंने दूरी-कवर के प्रेसिंग-प्रॉक्सी जोड़े, डेस्क ने उन्हें काट दिया, और वह कटौती सही थी — क्योंकि मॉडल ज़रूरत से ज़्यादा बड़ा हो गया था और प्रकाशन से देर कर रहा था। वह अनुभव मेरे साथ रहा: अतिरिक्त जटिलता अक्सर जानकारी नहीं, देरी पैदा करती है।

उसी अनुभव ने मुझे क्रिकेट के लिए एक्सपेक्टेड रन्स और विकेट-प्रोबेबिलिटी मॉडल की तरफ़ धकेला। xG उधार लेकर क्रिकेट के तर्क में आया और लहजे के साथ लौटा। फुटबॉल का मॉडल सतत है — गेंद लगातार चलती है, समय बहता है, गोल की संभावना घटती-बढ़ती रहती है। क्रिकेट डिस्क्रीट है: गेंदें गिनी जाती हैं, विकेट एक क्षण में सब कुछ बदल देता है, और खेल तीन फ़ेज़ों में बँटा है जिनके नियम अलग हैं। जो मॉडल इस निर्भरता-संरचना को पुनर्निर्मित नहीं करता — विकेट हाथ में, ओवर बाकी, और 2026 से इम्पैक्ट प्लेयर नियम का टीम-संयोजन पर असर — वह औज़ार नहीं, अनुवाद की गलती है।

हर मेट्रिक एक अनुवाद है, और हर अनुवाद एक बोली खो देता है। यही वजह है कि जब फॉर्मेट दर्ज नहीं होता, तो मैं उस डेटा को अनुवाद-योग्य भी नहीं मानता। भाषा तय न हो तो शब्दकोश बेकार है।

खिलाड़ी, टीम और रैंकिंग: जहाँ नाम की कमी सब कुछ रोक देती है

खिलाड़ी-विश्लेषण में पहला काम भूमिका तय करना है — सलामी बल्लेबाज़, एंकर, फिनिशर, तेज़ गेंदबाज़, स्पिनर, ऑलराउंडर, विकेटकीपर। भूमिका के बिना मेट्रिक चुनना असंभव है। एक एंकर का टी20 स्ट्राइक रेट 130 संरचनात्मक रूप से सही हो सकता है; उसी 130 का फिनिशर के लिए मतलब यह है कि टीम का आख़िरी हिस्सा बर्बाद हो रहा है। उम्र-वक्र और चोट-इतिहास की जाँच भी नाम के बिना नहीं होती: तेज़ गेंदबाज़ पहले चोटी पर पहुँचते हैं और स्ट्रेस-फ्रैक्चर या साइड-स्ट्रेन का जोखिम ढोते हैं, बल्लेबाज़ लगभग 27 से 33 के बीच चोटी पर रहते हैं, स्पिनर सबसे धीरे ढलते हैं। ये पूर्वधारणाएँ तभी काम की हैं जब कोई नाम और जन्मतिथि सामने हो।

यही हाल टीम-स्तर का है। आईसीसी की टेस्ट, वनडे और टी20 रैंकिंग तीन अलग-अलग तालिकाएँ हैं और एक-दूसरे की जगह नहीं ले सकतीं। वर्ल्ड टेस्ट चैंपियनशिप की अंक-तालिका तभी प्रासंगिक है जब विषय टेस्ट हो। घरेलू और बाहरी प्रदर्शन का अंतर क्रिकेट में असामान्य रूप से बड़ा है — उपमहाद्वीप में स्पिन, इंग्लैंड में स्विंग, ऑस्ट्रेलिया में उछाल — और यही अंतर असली ताक़त की सबसे साफ़ कसौटी है। इन सबकी चर्चा तभी संभव है जब टीम का नाम हो।

जब नाम ही नहीं, तो मैं टीम-विश्लेषण का सबसे ईमानदार रूप यही मानता हूँ: यह लिख देना कि कौन-सा दरवाज़ा बंद है और क्यों। पाठक को इससे क्रिकेट के बारे में कुछ नहीं मिलेगा, पर मीडिया के बारे में बहुत कुछ मिलेगा।

लीग, नीलामी और ट्रांसफर विंडो: कीमत कहानी खरीदती है, मॉडल भूमिका

कारोबारी आयाम में पहला सवाल यह है कि लीग कौन-सी है, क्योंकि आईपीएल, पीएसएल, बीपीएल, एलपीएल और आईएलटी20 आमदनी और मूल्यांकन की बिल्कुल अलग-अलग सीढ़ियों पर बैठी हैं। ब्रॉडकास्ट अधिकार का मूल्य, फ्रैंचाइज़ी का मूल्यांकन, खिलाड़ी का वेतन — तीनों उसी सीढ़ी के हिसाब से पढ़े जाते हैं।

यहाँ मेरी सबसे मज़बूत राय यह है कि ऊँची नीलामी कीमत और अंतरराष्ट्रीय क्रिकेट की ताक़त दो स्वतंत्र चर हैं। नीलामी में फ्रैंचाइज़ी एक कहानी पर बोली लगाती है; फ़ेज़-एडजस्टेड मॉडल एक भूमिका पर। जिस खिलाड़ी का 'सरप्लस वैल्यू' — यानी जो उसे श्रेय में मिलता है (रन, विकेट, स्ट्राइक रेट) और जो फ़ेज़-एडजस्टेड मॉडल कहता है उसका अंतर — वही असली रिपोर्टिंग की जगह है। युवा खिलाड़ी पर प्रीमियम का बुलबुला भी इसी तर्क से पढ़ा जाना चाहिए: पचास से कम शीर्ष-स्तरीय मैचों के बाद बड़ी रकम देना विश्लेषण नहीं, खुला जुआ है। राइट टू मैच का इतिहास भी इसी अनुशासन में आता है — 2026 के बाद यह नियम हटा और 2026 की मेगा नीलामी में लौटा, जिसने फ्रैंचाइज़ी की बोली-रणनीति और खिलाड़ी के मूल्यांकन, दोनों की गणित बदल दी।

साथ में एक और क्षेत्र है जिसे मैं रोज़ देखता हूँ। ट्रांसफर विंडो में शोर और संकेत का अनुपात खराब होता है, क्योंकि विंडो खुद अफवाहों को पुरस्कृत करती है। एक दिन में तीस खबरें आती हैं और तीसों में 'रुचि' शब्द होता है। मेरा फ़िल्टर सरल है: रिलीज़ क्लॉज़ की संरचना, वेतन-बिल की जगह, अनुबंध की शेष अवधि, और एजेंट की चाल — इन चार चीज़ों से जो खबर नहीं जुड़ती, वह अफवाह है। जो खबर इनसे जुड़ती है, वह खबर भी नहीं, संरचना है; और संरचना की भविष्यवाणी करने की दर अफवाह से बहुत ऊँची होती है। यही फ़िल्टर क्रिकेट की नीलामी पर भी लगता है: किसी फ्रैंचाइज़ी का पर्स और उसकी ज़रूरत की सूची, दोनों सार्वजनिक होते हैं, और फिर भी मीडिया 'दिलचस्पी' की खबरें छापता है।

लीग और राष्ट्रीय टीम का टकराव भी इसी आयाम में आता है — केंद्रीय अनुबंध का अनुशासन, NOC का दबाव, और वह पैटर्न जिसमें खिलाड़ी द्विपक्षीय सीरीज़ से हटकर फ्रैंचाइज़ी लीग में खेलते दिखते हैं। मगर यहाँ मैं खुद पर लगाम लगाता हूँ: यह एक संरचनात्मक तनाव है, कोई विशेष मामला नहीं, और बिना नाम लिए किसी केस की चर्चा करना आविष्कार होगा।

गवर्नेंस: जोखिम की श्रेणी और जोखिम का सबूत एक चीज़ नहीं

नियम और गवर्नेंस का आयाम तभी सक्रिय होता है जब स्रोत में कोई ट्रिगर-तथ्य हो — कोई नियम लागू हुआ हो, कोई बोर्ड निर्णय हुआ हो, या कोई ईमानदारी-संकेत मिला हो। बिना ट्रिगर के इस पूरी सूची को भरना संभव नहीं: शक्ति और आमदनी का बँटवारा, खेल-नियम विवाद, भ्रष्टाचार-विरोधी निगरानी, पात्रता और चयन, राजनीतिक कारक।

पूर्वनिर्धारित उदाहरण मौजूद हैं और उनका सहारा लेना आसान है — 2026 का क्रोन्जे मामला, 2026 का पाकिस्तान स्पॉट-फिक्सिंग मामला, 2026 का आईपीएल स्पॉट-फिक्सिंग मामला, आईसीसी की आमदनी-साझेदारी की केंद्रीकरण बहस, भारत-पाकिस्तान द्विपक्षीय सीरीज़ का ठहराव और तटस्थ स्थलों की व्यवस्था, DLS और DRS के 'अंपायर कॉल' वाले विवाद। मगर किसी श्रेणी का जोखिम-संभावित होना उस लेख में जोखिम का सबूत नहीं होता। यही एक पंक्ति मैं अपने हर गवर्नेंस लेख में दोहराता हूँ, क्योंकि निचली श्रेणी की लीगों में नियामक निगरानी कमज़ोर मानी जाती है — पर 'कमज़ोर मानी जाती है' से 'यहाँ कमज़ोर है' तक का सफ़र बिना सबूत के सिर्फ़ लहजा है।

नैरेटिव, अपेक्षा-अंतर और वह लेखक जो गायब था

नैरेटिव-विश्लेषण के लिए सबसे ज़रूरी चीज़ नैरेटिव नहीं, लेखक का रुख है। उस फाइल में लेखक का रुख N/A था और लेख का उद्देश्य भी N/A। इसका मतलब साफ़ है: जाँचने के लिए कोई दावा ही मौजूद नहीं था। मीडिया-कहानी को डेटा के सामने परखने की जो कसौटी हमारे पेशे की जान है, वह दावे के बिना नहीं चल सकती।

दक्षिण एशियाई क्रिकेट मीडिया की एक जानी-पहचानी संरचनात्मक प्रवृत्ति है — सितारा-निर्माण और अतिशयोक्ति। 'अगला तेंदुलकर' या 'अगला कोहली' जैसे लेबल का स्थायी अंतरराष्ट्रीय प्रदर्शन में बदलना बहुत कम होता है। मगर यह प्रवृत्ति मुझे इस लेख की विषय-वस्तु अनुमानित करने का अधिकार नहीं देती; यह सिर्फ़ कैलिब्रेशन-पूर्वधारणा है, जो विषय पता चलने के बाद काम आएगी। यही फ़र्क है एक ऑडिटर और एक अनुमानकर्ता में।

ट्रांसमिशन मैप: ऊपर से नीचे तक कौन-सी ज़ंजीर खींचती है

उद्योग-ट्रांसमिशन का ढाँचा सीधा है: ऊपर युवा विकास और प्रतिभा-आपूर्ति, बीच में राष्ट्रीय टीमें और लीग, नीचे ब्रॉडकास्ट, विज्ञापन और व्युत्पन्न बाज़ार — फ़ैंटेसी स्पोर्ट्स, बेटिंग की छवि-अर्थव्यवस्था, और पूँजी-नेटवर्क। यह ज़ंजीर घटना-चालित है; घटना के बिना मार्ग नहीं खींचा जा सकता।

एक दिशात्मक बात जो संरचनात्मक रूप से सुरक्षित है, वह यह है कि वैश्विक क्रिकेट के कारोबारी मूल्य का निर्णायक माँग-केंद्र दक्षिण एशिया का हृदय-बाज़ार बना हुआ है। मैं इसे स्टैंडिंग पूर्वधारणा के रूप में लिख रहा हूँ, किसी घटना के नतीजे के रूप में नहीं। बाकी हर कड़ी — प्रतिभा-आपूर्ति, पूँजी-नेटवर्क, फ़ैंटेसी, व्युत्पन्न बाज़ार — पर बिना घटना के कुछ कहना कहानी गढ़ना होगा।

विपरीत पक्ष: खाली फाइल शायद सबसे अच्छी खबर थी

यहाँ वह मोड़ है जहाँ मुझे अपनी ही आदत से लड़ना पड़ता है। मेरा स्वभाव कहता है कि सिस्टम का रिक्त लौटना विफलता है। अनुभव कहता है कि सबसे खतरनाक विफलता वह है जो भरी हुई फाइल लौटाती है। एक ऐसा मॉडल जो खाली डेटा पर आधारित आठ आयाम और एक पक्का निष्कर्ष लौटा देता, वह किसी भी खाली फाइल से ज़्यादा नुकसान करता है, क्योंकि उसका नुकसान दिखता नहीं। क्रिकेट-विश्लेषण में सबसे बड़ी विफलता खाली फाइल नहीं, भरी हुई फाइल है।

दूसरी विपरीत बात मेरे अपने पूर्वाग्रह के बारे में है। जो आदमी मेट्रिक खुद बनाता है, उसमें एक ख़तरा पैदा होता है — स्काउट, क्षेत्रीय भाषा के कमेंटेटर, और पूर्व खिलाड़ी उसे 'किस्सा' लगने लगते हैं। यह उलटा अहंकार है, और यह उतना ही झूठा है जितना 'आँख से देख लो' वाला दावा। मेरी कोशिश यह रही है कि आँख के न्याय को एक डेटा-स्रोत की तरह इस्तेमाल करूँ: हर मॉडल-दावे के साथ एक फ़ेज़ या एक क्लिप जोड़ूँ, और जिस क्षेत्रीय कमेंट्री बूथ ने पैटर्न पहले पकड़ा हो, उसे श्रेय दूँ। xG और PPDA वाले प्रोजेक्ट में मेरा सबसे उपयोगी सुधार उसी आदमी से आया था जो डेटा नहीं, आँख से देख रहा था।

तीसरी विपरीत बात प्रक्रिया की है। शायद यह विफलता बग नहीं, डिज़ाइन की कमी है। सिस्टम ने ईमानदारी से N/A लिखा — यह अच्छा है। पर उसने प्रक्रिया को रोका नहीं, बस एक निर्देश छाप दिया। एक ऑडिटर के लिए सबसे क़ीमती आउटपुट वह है जो कहे 'मुझे मालूम नहीं', और सबसे ख़तरनाक वह है जो कहे 'मुझे मालूम है' बिना बताए कि कैसे।

आगे क्या देखना है

जो चीज़ें तुरंत जमनी चाहिए, वे तकनीकी हैं और सस्ती हैं। फॉर्मेट को अनिवार्य और गैर-रिक्त फील्ड बनाया जाए — टेस्ट, वनडे, टी20, द हंड्रेड में से एक, वरना पेलोड अस्वीकार। मैच की प्रकृति अलग फील्ड में दर्ज हो। एंटिटी-एक्सट्रक्शन खाली सूची पर ज़ोर से विफल हो, चुपचाप निर्देश न छापे। डोमेन 'Cricket' विहित रहे और क्षेत्रीय दायरा अलग फील्ड में, ताकि cricket_asia कभी डोमेन की जगह न ले। प्रकाशन तिथि और समय-संवेदनशीलता अनिवार्य हों, क्योंकि क्रिकेट की सूचना जल्दी सड़ती है — चयन, चोट, नीलामी मूल्य और रैंकिंग, सब हफ़्तों-महीनों में बदलते हैं। और मॉडल के संस्करण फ्रीज़ हों, चेंजलॉग सार्वजनिक रहे, और जब सुधार शोर-बैंड के अंदर हो तो सरल मॉडल चुना जाए।

जो सिग्नल देखने हैं, वे साफ़ हैं: स्टेज-1 का दोबारा चलना, सूचना-बिंदुओं की सूची का भरना, फॉर्मेट फील्ड का आना, एंटिटी-सूची में कम से कम एक नामित टीम या खिलाड़ी, स्रोत की तिथि, और स्रोत-गुणवत्ता का ग्रेड। इनमें से पहला ही मिल जाए तो आठों आयाम खुल जाते हैं।

खाली फाइल ने मुझे एक बात फिर याद दिलाई जो मैं जानता था और भूलता रहता हूँ। मॉडल औसत पर सही था और पल पर गलत — यह मैंने तब लिखा जब मेरा एक्सपेक्टेड-रन्स मॉडल एक बड़े शॉट को कम आँक रहा था। उस रात उसका उलटा सच था: मॉडल के पास पल ही नहीं था, क्योंकि पेलोड खाली था। सवाल यह नहीं कि उस रात कितने नंबर छपे। सवाल यह है कि आज जो क्रिकेट के नंबर आप पढ़ रहे हैं, उनमें से कितने ऐसे दशमलव हैं जो एक खाली फील्ड पर खड़े हैं — और उन्हें भरने वाला आदमी कब स्वीकार करेगा कि उसने कहानी लिखी, विश्लेषण नहीं।

यह लेख किसी मैच, टीम या खिलाड़ी के बारे में दावा नहीं करता। दिए गए पेलोड में कोई नामित टीम, खिलाड़ी, स्थल, फॉर्मेट या नतीजा मौजूद नहीं था, इसलिए किसी भी क्रिकेट-तथ्य का अनुमान, अनुमानित मान या आविष्कार नहीं किया गया। सभी खेल-विशिष्ट आयाम 'अपर्याप्त सूचना' के रूप में लौटाए गए हैं। कोई सट्टा-सलाह नहीं दी गई है।